[发明专利]一种建筑物矢量轮廓图绘制方法、装置、设备及介质

权利要求书

1.一种建筑物矢量轮廓图绘制方法，其特征在于，包括：

获取建筑物图像，并对所述建筑物图像进行图像处理，以得到所述建筑物图像的特征图；

对所述特征图进行初始化操作，以得到初始化特征图，并对所述特征图进行边缘检测处理，以得到处理后特征图；

调用第一损失函数对所述初始化特征图和所述处理后特征图进行第一次训练，以得到概率图，调用第二损失函数并利用预先建立的循环神经网络，对所述概率图进行第二次训练，以得到所述建筑物图像的矢量轮廓图。

2.根据权利要求1所述的建筑物矢量轮廓图绘制方法，其特征在于，所述获取建筑物图像，并对所述建筑物图像进行图像处理，以得到所述建筑物图像的特征图，包括：

通过卷积神经网络的主干网络获取所述建筑物图像；

利用区域提议网络和感兴趣区域特征对齐层获取所述建筑物图像，并对所述建筑物图像进行图像处理，以得到固定大小的所述建筑物图像的特征图。

3.根据权利要求1所述的建筑物矢量轮廓图绘制方法，其特征在于，所述对所述特征图进行初始化操作，以得到初始化特征图，包括：

利用实例掩膜分支对所述特征图进行语义分割操作，以得到第一初始化子特征图，利用目标检测框回归分支和目标物体分类分支对所述特征图进行相应的处理，以得到第二初始化子特征图；

基于所述第一初始化子特征图和所述第二初始化子特征图确定出所述初始化特征图。

4.根据权利要求3所述的建筑物矢量轮廓图绘制方法，其特征在于，所述调用第一损失函数对所述初始化特征图和所述处理后特征图进行第一次训练，包括：

分别确定出针对所述实例掩膜分支的损失函数、针对所述目标检测框回归分支、针对所述目标物体分类分支的损失函数以及针对边缘检测处理的损失函数，以得到第一损失函数；

调用第一损失函数对所述初始化特征图和处理后特征图进行第一次训练。

5.根据权利要求3所述的建筑物矢量轮廓图绘制方法，其特征在于，所述对所述初始化特征图和所述处理后特征图进行第一次训练，以得到概率图，包括：

将所述第二初始化子特征图按照预设缩放尺度对卷积特征进行截取，以得到截取后携带检测框的特征图；

将所述截取后携带检测框的特征图和所述处理后特征图进行拼接，并结合所述第一初始化子特征图确定出概率图。

6.根据权利要求1至5任一项所述的建筑物矢量轮廓图绘制方法，其特征在于，所述得到所述建筑物图像的矢量轮廓图，包括：

得到包含携带检测框的建筑物的坐标向量、携带检测框的建筑物的实例类别和单个建筑物角点坐标序列的矢量轮廓图。

7.根据权利要求1所述的建筑物矢量轮廓图绘制方法，其特征在于，所述调用第二损失函数并利用预先建立的循环神经网络，对所述概率图进行第二次训练，包括：

利用预先建立的角点序列分支分别确定出建筑物矢量轮廓多边形整体的损失函数、建筑物矢量轮廓起始点坐标位置的损失函数以及辅助损失函数，以得到所述第二损失函数；

调用所述第二损失函数并利用预先建立的循环神经网络，按照预设训练参数对所述概率图进行第二次训练。

8.一种建筑物矢量轮廓图绘制装置，其特征在于，包括：

特征图确定模块，用于获取建筑物图像，并对所述建筑物图像进行图像处理，以得到所述建筑物图像的特征图；

初始化模块，用于对所述特征图进行初始化操作，以得到初始化特征图，并对所述特征图进行边缘检测处理，以得到处理后特征图；

训练模块，用于调用第一损失函数对所述初始化特征图和所述处理后特征图进行第一次训练，以得到概率图，调用第二损失函数并利用预先建立的循环神经网络，对所述概率图进行第二次训练，以得到所述建筑物图像的矢量轮廓图。

9.一种电子设备，其特征在于，包括：

存储器，用于保存计算机程序；

处理器，用于执行所述计算机程序，以实现如权利要求1至7任一项所述的建筑物矢量轮廓图绘制方法。

10.一种计算机可读存储介质，其特征在于，用于保存计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的建筑物矢量轮廓图绘制方法。